AI news

Anthropic 最新博客:Prompt Caching 是构建 Claude Code 的一切

By AGI Hunt2 viewsSource: AGI Hunt
Anthropic 最新博客:Prompt Caching 是构建 Claude Code 的一切

Anthropic 的工程师们写了篇技术博客,标题是:构建 Claude Code 的经验教训:Prompt Caching 就是一切。Anthropic 内部把 Prompt Cache 的命中率当作基础设施级别的指标来监控,地位跟服务器 uptime 差不多。一旦命中率下降,就会触发 oncall 告警,工程师得像处理线上事故一样去排查。

The full text has not been translated yet. The Chinese original is shown below.

Anthropic 的工程师们写了篇技术博客,标题是:构建 Claude Code 的经验教训:Prompt Caching 就是一切。

文章配图

Claude Code

Claude Code 是目前最受欢迎的 AI 编程工具之一,而支撑它流畅运行的底层秘密,其实就藏在「缓存」这两个字里。这篇博客一共讲了 7 条经验,条条都是踩坑踩出来的。

缓存即基建

Anthropic 内部把 Prompt Cache 的命中率当作基础设施级别的指标来监控,地位跟服务器 uptime 差不多。一旦命中率下降,就会触发 oncall 告警,工程师得像处理线上事故一样去排查。

换句话说,缓存在 Claude Code 里,并非锦上添花的优化,而是整个系统能跑起来的前提。

文章配图

缓存命中率监控

没有缓存,就没有 Claude Code。

为什么呢?

因为 Claude Code 这类 Agent 产品有一个特殊性:它是长对话的。用户可能在一个 session 里聊几十轮,每一轮都要把之前的上下文带上重新发给模型。如果每次都从头算,延迟和成本都会爆炸。

而 Prompt Caching 的原理说白了就一句话:前缀匹配。

API 会缓存从请求开头到每个cache_control断点之间的所有内容。只要下次请求的前缀跟上次一样,就能复用之前的计算结果,不用重新跑。

而所有经验中最重要的一条,也就从这个原理生长出来。

排好队形

既然缓存靠前缀匹配,那 prompt 里内容的排列顺序就至关重要了。

Anthropic 给出的最佳实践是这样排的:

1.静态系统 prompt 和工具定义(全局缓存,所有 session 共享)

2.CLAUDE.md 文档(项目级缓存,同一个项目内共享)

3.Session 上下文(会话级缓存,单次会话内共享)

4.对话消息(逐轮增长,每轮只新增最后一条)

文章配图

Prompt 排列结构

一句话概括:越不容易变的东西,越往前放。

这就好比你收拾书桌,常年不动的参考书放最底层,这周要看的资料放中间,今天正在写的草稿放最上面。只有这样,你每天坐下来才不用把整张桌子翻一遍。

文章配图

书桌比喻

而这里面有几个特别容易踩的坑:

在静态 prompt 里嵌了时间戳,每秒都在变,缓存直接废掉。

工具定义的排列顺序不确定(比如用了 dict 或 set),每次请求顺序都不一样,前缀就对不上了。

工具参数更新了(哪怕只改一个字段),整个前缀的缓存也会失效。

一个小细节没注意,整条缓存链就断了。

别动 Prompt

那如果信息确实过时了怎么办呢?比如时间戳、文件变更状态这些。

Anthropic 的做法是:别去改 prompt,把更新塞进下一轮的消息里。

具体来说,Claude Code 会用<system-reminder>这样的标签,把需要更新的信息放进 user message 或者 tool result 里。这样系统 prompt 纹丝不动,缓存完好无损。

这个设计背后的思路值得琢磨:prompt 是「不可变的基础设施」,消息才是「流动的信息层」。

文章配图

Prompt 与消息流

把它们分开,缓存自然就稳了。

别换模型

第三条经验,对许多人来说,可能会有些反直觉。

你可能会想:对话中遇到简单问题,切到 Haiku 省点钱,遇到难题再切回 Opus,多合理啊?

但实际情况是,缓存是跟模型绑定的。

文章配图

换模型就意味着……之前积攒的所有缓存全部作废,得从头重建。重建缓存的成本,往往比让 Opus 直接回答那个简单问题还要高。

换模型的代价

所以 Claude Code 的策略是:主对话自始至终用同一个模型。

需要用小模型干活的时候怎么办呢?用子 Agent。

子 Agent 有自己独立的上下文和缓存,不会污染主对话的缓存链。做完之后,只把结果传回来就行。

这就像办公室里,你不会为了省事让实习生坐到你工位上用你的电脑,而是给他分配一台独立的机器,做完把结果发过来。

且给搞中转的朋友提个醒,这里需要注意的是:缓存是按账号隔离的。

我就看到有个想通过账号池搞中转的,把账号池混一起后缓存命中率过低从而钱没赚钱反而暴露后号没了……

还有教你用 cc switch 咔咔切账号的,也要留意,别聊两句就来回切了啊……

别碰工具

第四条和第五条可以放在一起说,核心意思是一样的:session 期间,工具集不要动。

文章配图

直觉上,你可能觉得:当前任务只需要 3 个工具,为什么要把 30 个工具的定义都留在 context 里呢?把用不着的移掉不是更干净?

但工具定义是缓存前缀的一部分。

加一个、减一个……缓存就断了。一断就是整个对话的缓存全部重建,代价远远超过多放几个工具定义的 token 开销。

看似在优化,实则在添乱。

Plan Mode

Claude Code 有个 Plan Mode,进入后模型只做思考和规划,不执行操作。

按照直觉的做法,进 Plan Mode 就把执行类工具移走,退出来再加回来。

但 Anthropic 没这么干。

文章配图

Plan Mode 设计

他们的做法是保留所有工具不动,然后加了两个特殊工具:EnterPlanMode和ExitPlanMode。模型调用EnterPlanMode就进入规划模式,调用ExitPlanMode就退出。

至于「规划模式下不能执行操作」这个约束,用 system message 来传达就好,工具集不用碰。

这样一来,工具集始终不变,缓存始终有效。

而且还带来了一个额外的好处:模型可以自主判断什么时候该进 Plan Mode。遇到复杂任务,它自己调用EnterPlanMode先想清楚再动手,不需要用户手动切换。

延迟加载

Claude Code 可能会接入几十个 MCP 工具。把所有工具的完整 schema 都塞进 prompt,token 开销太大;但如果按需加减工具,又会破坏缓存。

Anthropic 找到的折中方案是延迟加载。

文章配图

图书馆目录

一开始只放一个轻量的 stub(存根),标记defer_loading: true。模型看到的只是工具名和一句话描述,不含完整的参数定义。

等模型真的需要用某个工具了,通过 Tool Search 去拉取完整 schema。

这样做的好处是:prompt 前缀始终只包含那些轻量 stub,不会因为加载了某个工具的完整 schema 而变化。缓存稳稳的。

相当于图书馆的书目索引:你先翻目录,找到想看的书再去书架取,不用把所有书都搬到桌上。

压缩的学问

最后一条是关于 context 压缩的,也是技术上最巧妙的一条。

长对话跑久了,context window 会被填满。这时候需要把之前的对话压缩成一个摘要,腾出空间继续聊。

文章配图

Compaction 压缩流程

但问题来了:如果你另起一个 API 调用来做压缩,用了不同的 system prompt、没带工具定义……那从第一个 token 开始就跟主对话的缓存完全对不上了。

两条缓存链,互相不复用,白白多花一份钱。

Anthropic 的解决方案叫「Cache-Safe Forking」:

压缩请求必须用跟主对话完全一样的system prompt、user context、工具定义,把主对话的消息作为历史带上。

然后在末尾追加一条压缩指令,作为新的 user message。

这样一来,压缩请求跟主对话共享同一条缓存链,新增的成本只有最后那条压缩指令本身。

同时,还要预留一个「压缩缓冲区」,给摘要输出留够空间。

一个压缩操作,能复用主对话积攒下来的全部缓存,几乎不会多花什么钱。

前缀匹配

回头看这 7 条经验,其实都在说同一件事:Prompt Caching 是前缀匹配。

所有的设计,都要围绕这一个约束来展开。

文章配图

别改 prompt,别换模型,别动工具,别另起炉灶,别瞎切账号……

这看起来是在讲缓存优化,但也是在讲一种系统设计哲学:先确定约束,再围绕约束做设计。

Anthropic 还提到,Compaction 功能已经直接内置到了 API 中,开发者可以直接用,不需要自己从头实现。

对于正在构建 Agent 产品的开发者来说,这篇博客的价值在于:它把缓存从一个优化手段,提升到了架构约束的层面。

并非「做完了顺便加个缓存」,而是得从第一天起,就围绕缓存来设计。

原文链接:https://claude.com/blog/lessons-from-building-claude-code-prompt-caching-is-everything

Claude Code 文档:https://code.claude.com/docs/en/overview

文章来自于微信公众号 "AGI Hunt",作者 "AGI Hunt"

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)